Weiter zum Inhalt

Projekt

Studie zur Verwendung von unbemannten Fluggeräten im forstlichen Monitoring


Federführendes Institut WO Institut für Waldökosysteme

©

Studie zur Verwendung von unbemannten Flugobjekten im forstlichen Umweltmonitoring

Die Nutzung unbemannter Flugobjekte (Drohnen) stößt beim forstlichen Umweltmonitoring bei vielen Forschungseinrichtungen auf großes Interesse. Wegen der hohen Kosten und begrenzten Auflösung von Bildern, die aus Satelliten-Fernerkundung oder bemannter Befliegung gewonnen werden bzw. auf Laser-Scanning-Methoden abgeleitet werden, bietet die unbemannte Flug-Photogrammetrie eine kostengünstige Alternative für die Fernerkundung. Sie bietet die Möglichkeit, qualitativ hochwertige Fernerkundungsdaten zu gewinnen und auszuwerten. Trotz des kostengünstigen Verfahrens sind aber immer noch weitere Forschungen zur sachgerechten Entwicklung und zum Einsatz notwendig, besonders wenn Systeme mit geringen Kosten (<30.000 EUR) eingesetzt werden.

Hintergrund und Zielsetzung

Ziele der Forschungen sind:

  • Ermittlung von Baumgeometrien (z.B. Baumhöhen)
  • Automatisierte Standpunkt-Bestimmung von Bäumen
  • Vergleich von Baumspitzen und Standpunkten
  • Kartierung von Kronenlücken
  • Kostengünstige Datenerhebung im Vergleich zu terrestrischen Erhebungen (auch großflächig)
  • Verbesserte Möglichkeiten für ein Langzeit-Monitoring (Möglichkeiten zur retrospektiven Analyse von Daten)
  • Automatisierte Arbeitsrabläufe für großflächige Erhebungen
  • Felddaten-Dokumentation

Vorgehensweise

Auf der Intensiv-Messfläche in Britz werden verschiedene Optionen der Drohnen-Befliegung getestet und mit Ergebnissen von terrestrischen Aufnahmen verglichen.

Beteiligte externe Thünen-Partner

  • Hochschule für nachhaltige Entwicklung Eberswalde (HNEE)
    (Eberswalde, Deutschland)

Zeitraum

10.2017 - 10.2020

Weitere Projektdaten

Projektstatus: abgeschlossen

Publikationen zum Projekt

  1. 0

    Krause S, Sanders TGM (2024) European beech spring phenological phase prediction with UAV-derived multispectral indices and machine learning regression. Sci Rep 14:15862, DOI:10.1038/s41598-024-66338-w

    https://literatur.thuenen.de/digbib_extern/dn068474.pdf

  2. 1

    Reder S, Mund J-P, Albert N, Stadelmann C, Miranda L, Waßermann L (2021) Detektion von windgeworfenen Baumstämmen auf UAV-Orthomosaiken mit Hilfe von Neuronalen Netzen. In: FowiTa : Forstwissenschaftliche Tagung - Wald: Wie weiter? ; Book of abstracts, 13. bis 15. September 2021. p 220

  3. 2

    Krause S (2019) Aerial and terrestrial photogrammetric point cloud fusion for intensive forest monitoring. GI Forum 7(2):60-72, DOI:10.1553/giscience2019_02_s60

  4. 3

    Krause S, Strer M, Mund J-P, Sanders TGM (2019) UAV remote sensing data handling: A transition from testing to long-term data acquisition for intensive forest monitoring. J Photogramm Remote Sensing Geoinf Sci 28(39):167-174

  5. 4

    Krause S, Sanders TGM, Mund J-P, Greve K (2019) UAV-based photogrammetric tree height measurement for intensive forest monitoring. Remote Sensing 11(7):758, DOI:10.3390/rs11070758

    https://literatur.thuenen.de/digbib_extern/dn060940.pdf

Nach oben